求积分卡尔曼粒子滤波算法

巫春玲; 韩崇昭

您当前的位置：

首页 >

文章列表页 >

求积分卡尔曼粒子滤波算法

更新时间：2025-12-08

- 求积分卡尔曼粒子滤波算法
- Quadrature Kalman Particle Filter
- 西安交通大学学报 2009年43卷第2期页码：25-28+42
- 作者机构：
  
  西安交通大学电子与信息工程学院,西安,710049
- 作者简介：
- 基金信息：
  
  : 2008-06-30. 作者简介: 巫春玲(1978-),女,博士生;韩崇昭(联系人),男,教授,博士生导师. 基金项目: 国家重点基础研究发展计划资助项目(2007CB311006);国家自然科学基金资助项目(60574033)
- DOI：
  中图分类号： TP391
- 网络首发：2009-02-10，
  
  纸质出版：2009
- 稿件说明：
移动端阅览
巫春玲, 韩崇昭. 求积分卡尔曼粒子滤波算法[J]. 西安交通大学学报, 2009,43(2):25-28+42.

巫春玲, 韩崇昭. Quadrature Kalman Particle Filter[J]. 2009, 43(2): 25-28+42.
巫春玲, 韩崇昭. 求积分卡尔曼粒子滤波算法[J]. 西安交通大学学报, 2009,43(2):25-28+42. DOI：

巫春玲, 韩崇昭. Quadrature Kalman Particle Filter[J]. 2009, 43(2): 25-28+42. DOI：

摘要

针对非线性/非高斯系统的状态估计问题

提出一种采用求积分卡尔曼滤波(QKF)算法来产生重要性密度函数的粒子滤波新算法——PF-QKF算法. 新算法使用统计线性回归的方法

通过一套高斯-厄米特积分点来线性化非线性函数

不需要计算雅可比矩阵

易于实现

而且所产生的重要性密度函数在系统状态转移概率密度的基础上

融入最新的观测数据

提高了对系统状态后验概率的逼近程度. 理论分析和实验结果表明

PF-QKF算法的估计精度比无味粒子滤波(PF-UF)算法提高了约18%

其计算复杂度比PF-UF算法稍有降低

表明PF-QKF算法是一种很有效的非线性滤波算法.

Abstract

A new kind of quadrature Kalman particle filter is proposed for the state estimation of nonlinear/non-Gaussian systems. The new algorithm uses the quadrature Kalman filter(QKF)to generate the importance density function

and linearizes the nonlinear functions using the statistical linear regression method through a set of Gaussian-Hermite quadrature points. The algorithm does not evaluate the Jacobian matrix

and is easy to implement. Moreover

the importance density function integrates the latest observations into the system state transition density

so that the approximation to the system posterior density is improved. Theoretical analysis and experimental results show that

compared with the unscented particle filter(PF-UF)

the estimation accuracy of the new particle filter is improved by almost 18%

and its calculation cost is slightly reduced

which indicates the PF-QKF to be an effective nonlinear filtering algorithm.

关键词

Keywords

references

COSTA P. Adaptive model architecture and extended Kalman-Bucy filters [J]. IEEE Transactions on Aerospace and Electronic Systems, 1994, 30(2): 525-533.

GORDON N J, SALMOND D J, SMITH A F M. Novel approach to nonlinear/non-Gaussian Bayesian state estimation [J]. IEE Proceedings on Radar and Signal Processing, 1993, 140(2): 107-113.

Doucet A. On sequential simulation-based methods for Bayesian filtering, CUED/F-INFENG/TR.310 [R]. Cambridge,UK:Cambridge University Press, 1998: 1-26.

VAN DER MERWE R, DOUCET A, DE FREITAS N, et al. The unscented particle filter, CUED/F-INFEN G/TR, 380 [R]. Cambridge, UK: Cambridge University Press, 2000:1-45.

JULIER S J, UHLMANN J K. Unscented filtering and nonlinear estimation [J]. Proceedings of the IEEE, 2004, 92(3): 401-422.

ARASARATNAM I, HAYKIN S, ELLIOTT R J. Discrete-time nonlinear filtering algorithms using Gauss-Hermite quadrature [J]. Proceedings of the IEEE, 2007, 95(5): 953-977.

ITO K, XIONG K. Gaussian filters for nonlinear filtering problems [J]. IEEE Transactions on Automatic Control, 2000, 45(5): 910-927.

GOLUB G H, WELSCH J H. Calculation of Gauss Quadrature rules [J]. Math Comput, 1969, 23(106): 221-230.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

高斯衍生粒子滤波器

阈值去噪下的改进粒子滤波算法

二阶中心差分粒子滤波算法

结合有向场景运动模式的粒子滤波行人跟踪方法

超临界二氧化碳向心透平轮背间隙内风阻损失及流动特性研究